热点事件持续更新
LeWi：可学习的神经元连接结构提升样本效率
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026年10月21日，arXiv cs.AI / cs.LG 上线一篇论文，提出 Learned Wiring（LeWi）方法：为每个神经元配置一个可学习的低维嵌入，只允许邻近神经元之间相连，并将嵌入与网络权重联合训练，用可学习的连接结构取代固定拓扑。作者采用 CSFRBench 基准进行评估，该基准在训练阶段隐藏目标的组合计算结构。报道称，实验中的稠密网络和基于稀疏性的基线均未能兑现组合稀疏性本应带来的样本效率收益。该工作目前以预印本形式发布，报道未提及同行评审或复现情况。
AI 根据报道生成 · 1 小时前更新
最新进展10月21日 01:18
arXiv 新论文提出 LeWi，用可学习连接结构提升样本效率。报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv cs.AI / cs.LG 最新LeWi 用可学习的神经元连接结构提升预测的样本效率
论文提出 Learned Wiring（LeWi），每个神经元带一个可学习的低维嵌入，只有邻近神经元相连，嵌入与权重联合训练。作者用 CSFRBench 基准在训练时隐藏目标的组合计算结构，发现稠密网络和基于稀疏性的基线都没能兑现组合稀疏带来的样本效率收益。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。